4. Statistical analysis. 2. Sample size calculation. 1. Epidemiologic study design. 3. Data quality and coding. Metropolitana del corso

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "4. Statistical analysis. 2. Sample size calculation. 1. Epidemiologic study design. 3. Data quality and coding. Metropolitana del corso"

Transcript

1 4. Statistical analysis 2. Sample size calculation l 1. Epidemiologic study design 3. Data quality and coding 5. Sounding interpretation it tti Metropolitana del corso

2 Argomenti trattati Statistica descrittiva Test statistici Stima per intervalli Misure epidemiologiche La regressione lineare Cenni introduttivi all analisi multivariata

3 Test statistici ed intervalli di confidenza Fabrizio Stracci

4 Il test statistico E uno strumento per valutare se vi è un effetto sistematico Non fornisce una risposta certa L ld dll f La validità delle risposte fornite dipende da alcuni assunti o condizioni che variano dal tipo di test adottato

5 Ingredienti del test Variabile bl di risposta misurata operativamente Variabile esplicativa (di cui vogliamo indagare l effetto) Ipotesi alternativa (H a ) Ipotesi nulla ( H 0 ) Errore alfa Stima dell effetto sistematico Stima della variabilità casuale Distribuzione teorica di probabilità

6 Ingredienti del test Variabile bl di risposta Variabile di risposta: e la quantità che misuriamo Variabile esplicativa per tutte le unità sperimentali. Variabile di risposta Variabile esplicativa Ipotesi alternativa (H a ) Ipotesi nulla ( H 0 ) Errore alfa Variabile esplicativa: determina la formazione dei Stima dell effetto gruppi da confrontare sistematico Stima della variabilità casuale Distribuzione ib i La natura dll della variabile ibil di risposta (quantitativa, i teorica di probabilità categoriale, dicotomica ) e quella della variabile di risposta influiscono sulla scelta del tipo di test

7 Ingredienti del test Variabile bl di risposta L i Lipotesi i alternativa o di lavoro afferma che la variabile ibil Variabile esplicativa esplicativa è associata, influenza direttamente o Ipotesi alternativa indirettamente, la variabile di risposta Variabile di risposta Variabile esplicativa Ipotesi alternativa (H a ) Ipotesi nulla ( H 0 ) Errore alfa L ipotesi nulla o di non effetto, all opposto, afferma che i Stima dell effetto valori assunti dalla variabile di risposta nelle sperimentali non differiscono tra i gruppi a confronto unità sistematico Stima della variabilità casuale Distribuzione ib i teorica di Il test statistico consiste in una valutazione della probabilità b probabilità di osservare i valori del campione* posto che l ipotesi nulla è vera *in realtà i valori osservati e i valori più improbabili rispetto all ipotesi nulla

8 Ingredienti del test V bl d L errore alfa, α, o di I tipo, consiste nel respingere l ipotesi nulla quando essa è vera Variabile di risposta Variabile esplicativa Ipotesi alternativa (Ha) Ipotesi nulla ( H 0 ) Errore alfa Stima dell effetto sistematico Stima della variabilità casuale E un tasso di errore che fissiamo arbitrariamente prima di effettuare il testt Distribuzione ib i teorica La definizione di errore di I tipo implica che esista di probabilità almeno un altro tipo di errore che potremmo definire di II tipo o beta (β)

9 Types of Errors Study's Conclusion True Effect (reject null hyp.) Reality True Effect Truth No Effect Type I or Alpha Error No Effect (don't reject null hyp.) Type II or Beta Error Truth

10 Ingredienti del test V bl d Il valore sperimentale del test di solito si basa sul rapporto tra queste due quantità, una misura (Ha) che esprime la dff differenza tra i gruppi a confronto e una misura che esprime la variabilità delle unità Stima dell effetto sistematico sperimentali indipendente d dal trattamento : Variabile di risposta Variabile esplicativa Ipotesi alternativa Ipotesi nulla ( H 0 ) Errore alfa Stima dell effetto Stima della variabilità casuale Distribuzione ib i teorica di probabilità segnale effetto _ sistematico disturbo errore

11 Ingredienti del test Variabile bl di risposta Variabile esplicativa Ipotesi alternativa (H a ) Ipotesi nulla ( H 0 ) Errore alfa Stima dell effetto sistematico Stima della variabilità casuale Distribuzione ib i teorica di probabilità

12 Assumere una distribuzione teorica di probabilità: implica una approssimazione ci consente di assegnare una probabilità al nostro risultato [la probabilità di osservare un risultato come il nostro* per effetto del caso su una serie infinita di ripetizioni] la distribuzione teorica assegna probabilità non nulla che qualsiasi risultato si verifichi per caso d l l h l quindi se vogliamo trarre una qualche conclusione dobbiamo stabilire arbitrariamente un valore limite (il tasso di errore alfa)

13 Risultato del test Punti critici. Utilizzando apposite tabelle o software, possiamo confrontare il valore sperimentale del test con il valore tabulare corrispondente all errore alfa prescelto Valore p. Possiamo ottenere direttamente da un programma la probabilità del nostro risultato sotto l ipotesi nulla: se tale probabilità p < α il test è significativo

14 il test t di Student: Si applica quando la variabile di risposta è quantitativa continua e Ne assume, tra l altro, la normalità della distribuzione Serve a confrontare due gruppi caratterizzati dalla variabile esplicativa, quella di cui vogliamo valutare l effetto (ad esempio trattamento A vs trattamento B)

15 FORMULAZIONE DELLE IPOTESI IPOTESI ALTERNATIVA = H a La media delle due popolazioni a confronto è diversa H a : µ A µ B TEST A DUE CODE La media della popolazione A è maggiore di quella della popolazione B H a : µ A >µ B TEST A UNA CODA La media della popolazione A è minore di quella della popolazione p B H a : µ A <µ B TEST A UNA CODA IPOTESI NULLA = H 0 La media delle due popolazioni è uguale H 0 : µ M = µ nm

16 Possibilities: Actual Situation H O is True H O is False Decision Reject H O Type I Error Correct decision II Do not reject H O Correct decision II Type II Error

17 Un esempio: il test t di Student per il confronto di due gruppi t = s p x A x B n n A B Effetto sistematico Variabilità casuale Se alcuni assunti sono verificati, possiamo calcolare s p come: s p = deva + dev n + n 2 A B B

18 Ignoriamo quale sia il valore effettivo del parametro =µ A µ B

19 Ignoriamo quale sia la variabilità σ A, σ B

20 Distribuzione t

21 Al crescere del numero dei casi la distribuzione t di Student tende a convergere con la distribuzione normale

22 Il valore p A differenza di alfa, il valore p dipende dai dati p corrisponde alla probabilità di osservare un valore sperimentale del test come quello osservato o più improbabile bil sotto l i ipotesi i nulla Quindi se l errore alfa è quello consueto, valori p<0.05 indicano un test significativo

23 Stimatore intervallare per (µ x -µ y ): Vl Valore t tabulare 1 1 ( x y) ± t α s + 2 ; 2 df p n x n y Errore standard della differenza tra le medie

24 Il test del chi-quadrato Si applica quando i dati in studio sono costituiti da frequenze o conteggi E un test non parametrico, non richiede l assunto della normalità

25 Variabile bl Risposta L1 Risposta L2 esplicativa* L1 f 11 f 12 R 1 L2 f 21 f 22 R 2 L3 f 31 f 32 R 3 L4 f 41 f 42 R 4 C 1 C 2 F Variabile di cui si vuole testare la relazione Totali marginali

26 I valori attesi H a µ Lj µ R H 0 µ R è indipendente dai livelli della variabile esplicativa Se H 0 è vera, allora i diversi i strati della variabile esplicativa differirebbero solo per effetto del caso. E la stessa distribuzione delle medie marginali è attesa sotto l ipotesi nulla entro ogni strato: e ij =R i *(C j / F)

27 Variabile Risposta L1 Risposta L2 esplicativa* L1 e 11 = R 1 *(C 1 / F) e 12 = R 1 *(C 2 / F) R 1 L2 e 21 e 22 R 2 L3 e 31 e 32 R 3 L4 e 41 e 42 = R 4 *(C 2 / F) R 4 C 1 C 2 F Mi aspetto la stessa quota (C 1 / F) entro ciascuna riga della Mi aspetto la stessa quota (C 1 / F) entro ciascuna riga della prima colonna e (C 2 / F) per la seconda colonna

28 Il valore sperimentale del chi-quadrato si calcola in base alla formula: cioè: ( f e ) 2 r c 2 ij ij Χ = e i= 1 j= 1 ij Effetto sistematico Variabilità casuale (Poisson) Χ 2 = (e f 11 ) /e 11 + (e 21 f 21 ) /e (e 42 f 42 ) 2 /e 42

29 La distribuzione chi-quadrato

30 Distribuzione chi Distribuzione chiquadrato

31 La formula per tabelle 2x2 e la correzione S di Yates A a b N A B c d N B N S N F N F

32 ANOVA Gruppo A Gruppo B Gruppo C X11 X12 X13 X21 X22 X23 X31 X32 X33 X41 X42 X43 Un generico elemento si indica come xij, dove i indica l elemento o la riga e j il gruppo o la colonna

33 ANOVA 2 Dev tot ( z k ( ) 2 x x ij = j= 1 i= 1 Dobbiamo suddividere l intera variabilità presente nei dati nelle due componenti che corrispondono all appartenenza ai gruppi e alla variabilità casuale

34 ANOVA 3 z k 2 = ( ) Dev x x entro j= 1 i= 1 La variabilità all interno di ciascun gruppo riflette la variabilità casuale Possiamo ricavare la Devianza tra gruppi come differenza tra la Devianza totale e quella entro gruppi ij j

35 La tabella ANOVA Fonti di variabilità Somma dei quadrati Gradi di libertà Totale N-1 Entro gruppi N-Z Tra gruppi Z-1 Medie dei quadrati Test F = Media dei quadrati tra gruppi / Media dei quadrati entro gruppi Confronto con F tabulare

36 Applicazione Studio trasversale dei volumi ecografici tiroidei nell eugubino

37 Obiettivo Studiare la distribuzione dei volumi tiroidei in una popolazione pp originariamente affetta da carenza di iodio recentemente sottoposta ad un intervento per la promozione dell uso di sale iodato Studiare la relazione tra volumi tiroidei e variabili come la familiarità, l uso riferito di sale iodato e la residenza in zona urbana (intervento+) o rurale (intervento-)

38 Journal of Endocrinological Investigation Vol. 29, November 2006 nr. 10 Evaluation of goiter using ultrasound criteria: A survey in a middle schoolchildren population of a mountain area in Central Italy C. Marino1, M. Martinelli2, G. Monacelli1, F. Stracci3, D. Stalteri4, V. Mastrandrea3, E. Puxeddu2, and F. Santeusanio2 1Centro Salute di Gubbio, U.S.L. no. 1 dell Umbria, Gubbio; 2Dipartimento di Medicina Interna; 3Dipartimenti di Specialità Medico Chirurgiche e Sanità Pubblica, Università degli Studi di Perugia, Perugia; 4Direzione Generale U.S.L. no. 1 dell Umbria, Città di Castello, Italy Iodine deficiency is still an important health care problem in the world. In Italy, as in most European countries, it is responsible for the development of mild to moderate endemic goiter. In 1995 we conducted a goiter survey vyin the Gubbio township, an area of Umbria region in Italy, close to the Appenine mountain chain. This study demonstrated a high prevalence of goiter in the middle schoolchildren population, indicating the presence of moderate endemic goiter. Soon after, a goiter prevention campaign aimed at implementing the consumption of iodinated salt was started. In 2001, a second survey was conducted in the middle schoolchildren hld (age yr old) of Gbb Gubbio and neighbour townships. Eight hundred d thirteen subjects were studied. Data obtained in 240 age-matched children, studied in the same area in 1995, were used for comparison to monitor changes 5 yr after the beginning of iodine prophylaxis. Thyroid volume was measured by ultrasonography. Gland volume was expressed in ml. A large population pp living in a iodine-sufficient area, previously reported by others, was used as control. Urinary iodine excretion was measured randomly in 20% of the children. The overall prevalence of goiter decreased between 1995 and 2001 from 29 to 8%. Goiter odds ratio (OR), corrected for age, was 4.0 (95% CI ) for 1995 compared to 2001 (p<0.000). Mean thyroid volume in the matched populations was 7.6±2.5 ml in 1995 and 5.7±2.1 ml in Mdi Median idi iodine urinary excretion increased from 72.6 to 93.5 microg/l, atthe limiti of statistical significance. Living in a rural area, no consumption of iodized salt and familiarity for goiter represented independent risk factors for goiter development. This study was the first conducted in Umbria region and confirmed that an implementation campaign for iodized salt consumption is a simple and useful instrument to prevent endemic goiter and related diseases. A new survey to evaluate goiter prevalence in the same area 10 yr after the beginning of iodine prophylaxis is already planned. (J. Endocrinol. Invest. 29: , 2006)

39 Ecco come appaiono le prime osservazioni nel nostro database

40 Std. Dev = 1.63 Mean = 5 0 N = volume tiroideo (ml) Distribuzione dei volumi tiroidei in un campione rappresentativo costituito da 323 individui di età compresa tra 11 e 14 anni con curva normale sovrapposta

41

42

43 Da un precedente studio apprendiamo che il volume tiroideo medio per una popolazione simile a quella in studio ma caratterizzata da un apporto adeguato di iodio è 5.19 ml (µ 0 ). La stima campionaria del parametro µ eu, volume tiroideo medio nell area precedentemente gozzigena, ottenuta nel nostro studio è m eu = 5.09 ml. Costruiamo un test t fissando il tasso di errore α=0.05.

44 H a : Il volume tiroideo nell area già ad endemia gozzigena è diverso rispetto all area di controllo H 0 : Il volume tiroideo medio è lo stesso nell area già ad endemia gozzigena e nell area di controllo o la differenza tra le medie dei volumi è pari a 0. Il valore sperimentale del test è x µ 0 x µ t = = = = s SE x n 307

45 t tabulare per 321 gl e α =0.05 è pari a 1.960; poiché <1.96 non abbiamo evidenza sufficiente per respingere l i lipotesi i nulla che il volume tiroideo id medio è lo stesso nelle due zone (test non significativo) alternativamente possiamo riportare il valore p = o 66.5% di osservare un risultato come quello attuale o più estremo sotto l assunto che l ipotesi nulla sia vera.

46 Alcuni problemi dei test di ipotesi Il test è incentrato sull ipotesi nulla e quindi non fornisce alcuna informazione sulla probabilità del risultato osservato. In altre parole il test non ci informa sulla probabilità bili che il parametro diff differenza tra volume medio della tiroide nelle due popolazioni sia pari a 0.4 ml rispetto ad altre differenze possibili come 0.1, 0.5 e così via. Il risultato del test tiene conto del valore osservato e di valori più estremi (non osservati) rispetto al valore di riferimento dell ipotesi nulla. Il risultato del test non fornisce alcuna informazione sulla entità dell effetto del fattore di confronto. Un test può risultare significativo solo per il gran numero di osservazioni (ad esempio per individui anziché 323, la stessa differenza di volume di soli 0.4 ml ha un p<0.0000). Quindi il test non ci consente di distinguere effetti rilevanti da effetti quantitativamente irrilevanti.

47 Area Controllo Studio Volume tiroideo medio (ml) Intervallo di confidenza al 95% costruito attorno alla media dei volumi tiroidei

48 Consideriamo ora il confronto tra volumi tiroidei per i residenti in aree urbane e i residenti in aree rurali Volume tiroide eo (ml) N= rurale urbana Residenza Scatola con baffi che illustra la distribuzione ib i dei volumi tiroidei id i in base alla residenza. La scatola è suddivisa dai tre quartili e i baffi contengono 15 1,5 volte lintervallo l i ll interquartile. il I punti rappresentano osservazioni i estreme o outliers.

49 Il volume tiroideo medio per i residenti in aree urbane è 4.8 (DS 1.5) con 187 gl, e, per i residenti in aree rurali, 5.4 (DS 1.8) con 134 gl. Il valore sperimentale del test t risulta pari a assumendo varianze eguali. Quindi per 321 gl e α=0.05, test a due code, il risultato è significativo p<0.05. Precisamente p =

50 Lo stimatore puntuale è: x rurale x urbano = 0.55 ml L intervallo di confidenza ad un livello ll arbitrariamente stabilito (convenzionalmente 95%)per il parametro di interesse, differenza tra le medie dei volumi tiroidei nei residenti urbani e rurali, si calcola come segue: I. calcolo di una stima congiunta della variabilità nei due gruppi: s = pool = 2 ( n 1) s + ( n 1) urbano urbano 187 * * n urbano rurale + n 2 rurale = s 2 rurale =

51 II. calcolo l l errore standard d del parametro: ES x urb x rur = s pool n 1 urbana + n 1 rurale = * = III. trovo il valore t tabulare per un errore 1-α/2 e 321 gl = 1.96 IV. calcolo il fattore di errore: FE = t [0.025, 321] * ES= =1.960*0.182= V il f di d l (0 6 l) V. sommo e sottraggo il fattore di errore dal parametro (0.6 ml) trovando un intervallo al 95% che va da 0.2 ml a 0.9 ml.

52 Alcuni vantaggi dell impiego degli stimatori intervallari L intervallo di confidenza conserva l informazione contenuta nel test di significatività: se l intervallo contiene il valore nullo del parametro, allora un test di ipotesi sarebbe risultato non significativo e viceversa. L intervallo di confidenza è espresso in ml come la differenza tra i volumi laddove il risultato del test non ha dimensione; questo ci consente di osservare che la differenza media in base ai dati è compatibile con una differenza molto piccola (0.2 ml) ma anche con una sensibile (0.9 ml). Quindi l intervallo di confidenza ci consente di valutare se la differenza osservata è biologicamente rilevante oltreché valutarne la significatività statistica. L attenzione non è incentrata sulla significatività statistica e ciò aiuta ad evitare di trarre conclusioni dicotomiche (positivo/negativo).

53 Sono possibili le seguenti situazioni: L intervallo di confidenza contiene il valore nullo ed entrambi gli estremi non sono clinicamente i rilevanti: lo studio esclude un effetto rilevante della variabile considerata (conclusiivo). L intervallo di confidenza contiene il valore nullo ma almeno un estremo include valori clinicamente importanti: i risultati dello studio non ci consentono di trarre conclusioni; si evidenzia l opportunità di ripetere lo studio con un campione di maggiori dimensioni. (non conclusiivo).. L intervallo di confidenza non include il valore nullo del parametro ma l estremo superiore non include effetti clinicamente importanti: sebbene statisticamente significativo, lo studio esclude un effetto rilevante del fattore in studio (non conclusiivo).. L intervallo di confidenza non include il valore nullo del parametro e gli effetti compatibili con i risultati (valori interni all intervallo) sono rilevanti: lo studio indica un effetto importante del fattore in studio (conclusiivo)..

54 Consideriamo la prevalenza di gozzo registrata nello studio p gozzo =8/323=2.48 Possiamo ricavare un intervallo di confidenza per questa proporzione utilizzando l approssimazione normale. Nella formula per l errore standard sostituiamo la varianza binomiale p(1-p): ES = p (1 n p ) = ( ) 323 = L intervallo approssimato al 95% va da *0.0086=0.008 a , cioè da circa 0.8% a 4,2%. Per campioni piccoli e per valori p lontani da 0.5, come in questo caso, l approssimazione normale non è accurata ed è preferibile utilizzare metodi cosiddetti esatti (utilizzando l intervallo di Fisher da 1.1% a 4.8%).

55 Gozzo Tiroidi normali e patologiche Residenza Urbana Rurale Totale Presente Assente Totale Test di indipendenza. Chi quadrato p Chi-quadrato correzione di Yates p Esatto di Fisher 0.022

56 In termini di Rischio relativo Al denominatore abbiamo gli individui id i presenti e non gli anni-persona P(gozzo residenza rurale)=r rur = casi rur / n rur = =7/135 = R urb = 1/188 = Il rapporto tra i rischi esprime quante volte sia più probabile essere affetto da gozzo per uno studente residente in area rurale rispetto all area area urbana RR = R rur / R urb = / = 9.75

57 Residenza Gozzo Presente Assente Rurale a b Urbana c d In termini di Odds Ratio Gli odds sono i rapporti tra una proporzione p e il suo complemento a 1 (1-p). Per i rurales: Odds rur = p gozzo rur /1- p gozzo rur = a/c=7/128= l odds di gozzo tra i residenti rurali è 1 a 18 Un analogo calcolo per i residenti urbani fornisce Odds urb = Il rapporto tra gli odds è Odds rur /Odds urb =0.055/0.0054=10.23 OR è una misura di effetto, di associazione autonoma e uno stimatore del RR la cui validità dipende dalla rarità dell e evento ento in studio

58 Rischio relativo Odds ratio

59 Intervalli di confidenza per RR Calcoliamo l errore standard per il rischio relativo per il logaritmo ln(rr)=2.28 per rendere maggiormente simmetrica la distribuzione: ES ln( RR) c d a n + b n = = urb L intervallo consueto al 95% si ottiene esponenziando gli estremi: rur ( ) IC inf = exp = 1.21 L intervallo al 95% va da 1.2 a Utilizzando una formula alternativa basata sul chi-quadrato otteniamo un intervallo da 1.8 a 57.1

60 Intervalli di confidenza per OR Anche per OR è preferibile calcolare l un intervallo su scala logaritmica, ln(or)=2.325: ES ln( OR) a + b + c + d = = Come per RR è necessario esponenziare gli estremi dell intervallo IC inf =exp[2.325-(1.96*1.075)]= e IC sup =exp[2.325+(1.96*1.075)]=84.13 Quindi l intervallo ll di confidenza al 95% per OR va da 1.2 a 84.1 Per questo evento raro i due intervalli (OR e RR) sono in buon accordo

61

62 re] p[goit Iodized salt use never sometimes always Residence urban rural urban rural Familiarity no no yes yes

63

64 3. Statistical analysis Statistiche i descrittive i e intervallo di confidenza Test statistici Misure epidemiologiche Test diagnostici i Regressione lineare Analisi di sopravvivenza Modelli per dati longitudinali Dati mancanti Regressione logistica Riduzione i dei dati Modelli gerarchici

65 IC esatto per SIR/SMR Assumo distribuzione di Poisson Trovo i limiti inferiore I e superiore S per i casi C o i decessi D osservati Calcolo l i rapporti I/E e S/E dove E sono i casi o i decessi attesi

66 Obiettivi del corso Convenire una base di conoscenze omogenea per la formazione di un gruppo di professionisti che a vario titolo contribuirà allo sviluppo dell epidemiologia regionale Individuare bisogni formativi specifici da soddisfare Verificare gli interessi attuali in campo epidemiologico- statistico e prospettare strategie

67 Misure di frequenza Proporzioni i (proportion): frazioni i in cui il numeratore è contenuto nel denominatore Rapporti (ratio): frazioni in cui il numeratore non è contenuto nel denominatore Tassi (rate): velocità di comparsa di un fenomeno in un tempo determinato che si misura come rapporto tra numero di eventi e anni persona di esposizione

68 Intervalli di confidenza per RR Calcoliamo l errore standard per il rischio relativo per il logaritmo ln(rr)=2.28 per rendere maggiormente simmetrica la distribuzione: ES ln( RR) c d ln ln a n + b n = = urb L intervallo consueto al 95% si ottiene esponenziando gli estremi: rur ( ) IC inf = exp = 8.7 L intervallo al 95% va da 8.7 a 11.0

69 Intervalli di confidenza per OR Anche per OR è preferibile calcolare l un intervallo su scala logaritmica, ln(or)=2.325: ES ln( OR) ln ln a + b + c + d = = Come per RR è necessario esponenziare gli estremi dell intervallo IC inf =exp[2.325-(1.96*0.072)]= )] 9 e IC sup =exp[2.325+(1.96*0.072)]=11.8 Quindi l intervallo ll di confidenza al 95% per OR va da 8.9 a 11.8 Per questo evento raro i due intervalli (OR e RR) sono in buon accordo

70 La prevalenza (unità sperimentali che hanno una caratteristica sul totale delle unità esaminate) è una proporzione

71 Misure di associazione Rischio relativo (Risk ratio or Relative risk) Rapporto tra odds (Odds ratio). Differenza tra rischi Rischio attribuibile e rischio attribuibile di popolazione

72

Università del Piemonte Orientale. Corsi di laurea triennale di area tecnica. Corso di Statistica Medica. Analisi dei dati in tabelle di contingenza

Università del Piemonte Orientale. Corsi di laurea triennale di area tecnica. Corso di Statistica Medica. Analisi dei dati in tabelle di contingenza Università del Piemonte Orientale Corsi di laurea triennale di area tecnica Corso di Statistica Medica Analisi dei dati in tabelle di contingenza Corsi di laurea triennale di area tecnica - Corso di Statistica

Dettagli

Inferenza statistica

Inferenza statistica Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione in base ad informazioni ricavate da un campione. Inferenza statistica: indurre

Dettagli

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie Università del Piemonte Orientale Corso di dottorato in medicina molecolare aa 2002 2003 Corso di Statistica Medica Inferenza sulle medie Statistica U Test z Test t campioni indipendenti con uguale varianza

Dettagli

Università del Piemonte Orientale. Corsi di Specialità. Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza

Università del Piemonte Orientale. Corsi di Specialità. Corso di Statistica Medica. Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corsi di Specialità Corso di Statistica Medica Analisi dei dati quantitativi : Analisi della varianza Università del Piemonte Orientale Corso di laurea in biotecnologie

Dettagli

Elaborazione dati in Analisi Sensoriale

Elaborazione dati in Analisi Sensoriale Elaborazione dati in Analisi Sensoriale Si è parlato di interpretazione corretta dei risultati ottenuti; a questo concorrono due fattori: affidabilità e validità. Se i test fossero stati ripetuti con lo

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Statistica Medica. Verranno presi in esame:

Statistica Medica. Verranno presi in esame: Statistica Medica Premessa: il seguente testo cerca di riassumere e rendere in forma comprensibile ai non esperti in matematica e statistica le nozioni e le procedure necessarie a svolgere gli esercizi

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre.

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre. Corso di Statistica Medica 2004-2005 Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre. Sono previste 30 ore di lezione di statistica e 12 di

Dettagli

ANALISI DEI DATI EPIDEMIOLOGICI

ANALISI DEI DATI EPIDEMIOLOGICI ANALISI DEI DATI EPIDEMIOLOGICI Cenni di statistica Che cosa è la statistica Statistica descrittiva e statistica inferenziale Test statistici di ipotesi Intervalli di confidenza Analisi stratificata TEST

Dettagli

Concetto di potenza statistica

Concetto di potenza statistica Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H

Dettagli

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno.

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Corso di Statistica Medica Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Sono previste 40 ore complessive, di cui almeno 16 di lezione frontale e le restanti

Dettagli

Test di Ipotesi Intervallo di confidenza Rossella Baldini

Test di Ipotesi Intervallo di confidenza Rossella Baldini Inferenza Statistica Test di Ipotesi Intervallo di confidenza Rossella Baldini 1 Statistiche o Statistica? Le statistiche mediche sono affermazioni numeriche di contenuto medico: Quante persone ogni anno

Dettagli

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per categoriali. Alessandro Valbonesi

LEZIONI DI STATISTCA APPLICATA. Parte 2. Statistica inferenziale. Variabili continue per categoriali. Alessandro Valbonesi LEZIONI DI STATISTCA APPLICATA Parte 2 Statistica inferenziale Variabili continue per categoriali Alessandro Valbonesi SARRF di Scienze ambientali Anno accademico 2010-11 CAPITOLO 4 - TEST STATISTICI CHE

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2. Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni

Dettagli

Gli studi caso. controlli. Obiettivi. Stime del rischio. Ne deriva la Tabella 2x2

Gli studi caso. controlli. Obiettivi. Stime del rischio. Ne deriva la Tabella 2x2 Gli studi caso controllo Obiettivi Negli ultimi decenni questo modello di indagine è stato applicato soprattutto per lo studio delle malattie cronicodegenerative (le più frequenti cause di morte in tutti

Dettagli

In una tabella 2 x 2 il valore del chiquadrato, che quantifica la differenza fra i numero osservati e quelli attesi, è la somma delle quattro celle

In una tabella 2 x 2 il valore del chiquadrato, che quantifica la differenza fra i numero osservati e quelli attesi, è la somma delle quattro celle Test statistici il chi quadrato Valutare la differenza tra due percentuali o proporzioni L'ipotesi zero (o ipotesi nulla) afferma che la differenza osservata - di qualsiasi entità essa sia - è dovuta al

Dettagli

Sinossi dei disegni di studio

Sinossi dei disegni di studio Sinossi dei disegni di studio di intervento osservazionali serie di casi trasversale ecologici individuali quasisperimentali sperimentali (RCT) coorte caso-controllo Studi caso-controllo Il punto di partenza

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

STATISTICA IX lezione

STATISTICA IX lezione Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri

Dettagli

Problema pratico: Test statistico = regola di decisione

Problema pratico: Test statistico = regola di decisione La verifica delle ipotesi statistiche Problema pratico: Quale, tra diverse situazioni possibili, riferite alla popolazione, è quella meglio sostenuta dalle evidenze empiriche? Coerenza del risultato campionario

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare

Dettagli

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici Test non parametrici Test non parametrici Il test T di Student per uno o per due campioni, il test F di Fisher per l'analisi della varianza, la correlazione, la regressione, insieme ad altri test di statistica

Dettagli

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

La statistica nella ricerca scientifica

La statistica nella ricerca scientifica La statistica nella ricerca scientifica Pubblicazione dei risultati Presentazione dei dati e la loro elaborazione devono seguire criteri universalmente validi Impossibile verifica dei risultati da parte

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente

Dettagli

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato Analizza/Confronta medie ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107 t-test test e confronto tra medie chi quadrato C.d.L. Comunicazione e Psicologia a.a. 2008/09 Medie Calcola medie e altre statistiche

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media.

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. FORMA DI UNA DISTRIBUZIONE Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. Le prime informazioni sulla forma di

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

Regressione Logistica: un Modello per Variabili Risposta Categoriali

Regressione Logistica: un Modello per Variabili Risposta Categoriali : un Modello per Variabili Risposta Categoriali Nicola Tedesco (Statistica Sociale) Regressione Logistica: un Modello per Variabili Risposta Categoriali 1 / 54 Introduzione Premessa I modelli di regressione

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1 Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 Capitolo 3. L'analisi della varianza. Il problema dei confronti multipli. La soluzione drastica di Bonferroni ed il test

Dettagli

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Politecnico di Milano - Anno Accademico 200-20 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Esercitazione 9 2 Giugno 20 Esercizio. In un laboratorio per il test dei materiali,

Dettagli

INTRODUZIONE ALL ANALISI DEI DATI DI SOPRAVVIVENZA

INTRODUZIONE ALL ANALISI DEI DATI DI SOPRAVVIVENZA INTRODUZIONE ALL ANALISI DEI DATI DI SOPRAVVIVENZA Dott. Simone Accordini Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona DISEGNO DI COORTE ESPOSTI (D 1 OUTCOME NON ESPOSTI

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Elementi di Epidemiologia

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Elementi di Epidemiologia Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Elementi di Epidemiologia Corsi di Laurea Triennale Corso di Statistica e Biometria: Elementi di epidemiologia

Dettagli

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi

Dettagli

A.A. 2014-2015. Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE

A.A. 2014-2015. Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE A.A. 2014-2015 Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE Utilizzare gli strumenti epidemiologici e statistici appropriati per ridurre l'area dell'incertezza nella rilevazione

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LABORATORI DT-000 GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI INDICE parte sezione pagina 1. INTRODUZIONE. FONDAMENTI.1. Misurando,

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

Dettagli

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui

Dettagli

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione

Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Microeconometria (Silvia Tiezzi) 01 aprile2011 Esercitazione Esercizio 1 Si consideri il seguente modello ad effetti fissi con variabili binarie: + 1 2 a) supponete che N=3. Si mostri che i regressori

Dettagli

9. La distribuzione 2 e i test per dati su scala nominale

9. La distribuzione 2 e i test per dati su scala nominale 9. La distribuzione e i test per dati su scala nominale 9.1. La distribuzione 9. 1. 1. La statistica e la sua distribuzione In una popolazione distribuita normalmente con parametri e estraiamo un campione

Dettagli

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

L Analisi della Varianza ANOVA (ANalysis Of VAriance) L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni

Dettagli

Obiettivi. Metodi statistici per il controllo della qualità. Indice. UNI - Ente Nazionale Italiano di Unificazione

Obiettivi. Metodi statistici per il controllo della qualità. Indice. UNI - Ente Nazionale Italiano di Unificazione Obiettivi Metodi statistici per il controllo della qualità Evidenziare come tipici problemi industriali richiedano un controllo statistico di qualità Segnalare l esistenza di specifiche norme UNI che definiscono

Dettagli

Protocollo dello studio

Protocollo dello studio Protocollo dello studio Indagine su disturbi e malattie respiratorie e fattori ad essi correlati nella popolazione infantile residente nell area di S. Polo e nel resto del comune di Brescia Premessa A

Dettagli

Approfondimento 4.6. La valutazione statistica della discriminatività di un item

Approfondimento 4.6. La valutazione statistica della discriminatività di un item Approfondimento.6 La valutazione statistica della discriminatività di un item. Item di test di prestazione massima Per valutare la discriminatività di un item di un test di prestazione massima occorre

Dettagli

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114

Dettagli

Laboratorio di Statistica con R

Laboratorio di Statistica con R Laboratorio di Statistica con R R è un vero e proprio linguaggio di programmazione. Il suo nome, è dovuto probabilmente al nome dei suoi sviluppatori:robert Gentleman e Ross Ihaka Le principali funzioni

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 L4, Corso Integrato di Psicometria - Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Rev. 18/04/2011 Inferenza statistica Formulazione

Dettagli

RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA?

RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management

Dettagli

VALIDAZIONE METODI DI PROVA PROVE MICROBIOLOGICHE

VALIDAZIONE METODI DI PROVA PROVE MICROBIOLOGICHE VALIDAZIONE METODI DI PROVA PROVE MICROBIOLOGICHE 1 Il processo di validazione/qualificazione di un metodo microbiologico presuppone che i fattori critici siano adeguatamente disciplinati da indicazioni

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

Definizione di segnale

Definizione di segnale Signal detection Laura Sottosanti Ugo Moretti Definizione di segnale Information that arises from one or multiple sources (including observations and experiments), which suggests a new potentially causal

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Capitolo 11 Test chi-quadro

Capitolo 11 Test chi-quadro Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova

Dettagli

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

Approfondimento 5.2. Individuare gli outlier

Approfondimento 5.2. Individuare gli outlier Approfondimento 5.2 Individuare gli outlier Gli outlier sono quei valori che, rispetto agli altri del campione, risultano particolarmente estremi. Questo non significa che non siano punteggi validi, ma

Dettagli

Tenendo conto che la funzione di probabilità per una v.c. binomiale X è definita dalla seguente notazione

Tenendo conto che la funzione di probabilità per una v.c. binomiale X è definita dalla seguente notazione APPENDICE I. TAVOLE STATISTICHE Si ribadisce al lettore che in questa Appendice si riportano le procedure di Excel e di R.2.12.1 che gli permettono di trovare qualsiasi valore di probabilità cercato e

Dettagli

Analisi fattoriale. esplorativa vers. 1.0. Germano Rossi 1 germano.rossi@unimib.it. 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Analisi fattoriale. esplorativa vers. 1.0. Germano Rossi 1 germano.rossi@unimib.it. 1 Dipartimento di Psicologia, Università di Milano-Bicocca Analisi fattoriale esplorativa vers. 1.0 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2009 Rossi (Dip. Psicologia) Analisi fattoriale 2009 1 / 47 Prima

Dettagli

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Il confronto fra proporzioni

Il confronto fra proporzioni L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,

Dettagli

ISTAT Servizio prezzi

ISTAT Servizio prezzi ISTAT Servizio prezzi Gli indici dei prezzi al consumo: aspetti relativi al sistema dei pesi e alla costruzione del paniere La determinazione del paniere dei prodotti e la metodologia di costruzione dei

Dettagli

Università del Piemonte Orientale. Master per data manager. Epidemiologia dei tumori. Screening in oncologia

Università del Piemonte Orientale. Master per data manager. Epidemiologia dei tumori. Screening in oncologia Università del Piemonte Orientale Master per data manager Epidemiologia dei tumori Screening in oncologia Epidemiologia Che cos è l epidemiologia Metodi e strumenti La descrizione epidemiologica di una

Dettagli

La Statistica come strumento di analisi nelle scienze umanistiche e comportamentali

La Statistica come strumento di analisi nelle scienze umanistiche e comportamentali La Statistica come strumento di analisi nelle scienze umanistiche e comportamentali Elementi di Analisi Multivariata V SCUOLA ESTIVA AISV 5 -- 9 ottobre 009 - Soriano nel Cimino (VT) Sabrina Giordano Dipartimento

Dettagli

LABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE

LABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) LABORATORIO EXCEL

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

Modelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia

Modelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia Modelli statistici per l analisi dei dati e la valutazione d efficacia Il caso del Comune di Perugia Alessandra Pelliccia Matteo Cataldi Matteo Filippo Donadi 0 AGENDA Fonti Descrizione dei dati Variabili

Dettagli

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre R - Esercitazione 5 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre Lunedì 2 Dicembre 2013 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x,

Dettagli

Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 2011-12)

Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 2011-12) Laboratorio R Corso di Algebra e Modelli lineari (Anno Accademico 011-1) REGRESSIONE LINEARE SEMPLICE OPEN STATISTICA 8.44 Per 8 settimanali, appartenenti alla medesima fascia di prezzo e presenti in edicola

Dettagli

IL CAMPIONAMENTO NELLA REVISIONE CONTABILE

IL CAMPIONAMENTO NELLA REVISIONE CONTABILE Università RomaTre. Facoltà di Economia Federico Caffè Prof. Ugo Marinelli Anno Accademico 07-08 1 PREMESSA RACCOLTA SUFFICIENTI ED APPROPRIATI ELEMENTI PROBATIVI LA È SVOLTA IN BASE A VERIFICHE DI CAMPIONI

Dettagli

UNIVERSITÁ DEGLI STUDI DI PADOVA

UNIVERSITÁ DEGLI STUDI DI PADOVA UNIVERSITÁ DEGLI STUDI DI PADOVA FACOLTÁ DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE La spesa in farmaci nella regione Friuli Venezia Giulia: alcune analisi. Relatore:

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

OIV Best Practices (2 Incontro) Esiti del questionario sul costo del capitale

OIV Best Practices (2 Incontro) Esiti del questionario sul costo del capitale Esiti del questionario sul costo del capitale Come viene calcolato il tasso risk free Il tasso risk free utilizzato BTP Italiani 70,4% Bund Tedeschi 18,3% Curva BCE 1,7% Tasso Interbancario 7,0% Altro

Dettagli

Prefazione all edizione originale. Prefazione all edizione italiana

Prefazione all edizione originale. Prefazione all edizione italiana Indice Prefazione all edizione originale Prefazione all edizione italiana xiii xv 1 Il miglioramento della qualità nel moderno ambiente produttivo 1 1.1 Significato dei termini qualità e miglioramento

Dettagli

Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità

Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica Indici di Affidabilità L Attendibilità È il livello in cui una misura è libera da errore di misura È la proporzione di variabilità della misurazione

Dettagli

Corso di Statistica Medica. Studio dell effetto di più variabili indipendenti su una variabile dipendente: Regressione lineare multipla

Corso di Statistica Medica. Studio dell effetto di più variabili indipendenti su una variabile dipendente: Regressione lineare multipla Studio dell effetto di più variabili indipendenti su una variabile dipendente: Regressione lineare multipla Regressione logistica Regressione lineare multipla Nel modello di regressione lineare semplice

Dettagli

STUDIO EPIDEMIOLOGICO MERCATO ITTICO DI Milano

STUDIO EPIDEMIOLOGICO MERCATO ITTICO DI Milano STUDIO EPIDEMIOLOGICO MERCATO ITTICO DI Milano Dr Ranghieri Dr Malandra Elaborazione a cura della Sorveglianza Epidemiologica Lombarda (IZSLER) Gennaio 2014 Studio epidemiologico Mercato Ittico Al Mercato

Dettagli

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione

Dettagli

Esercizi: i rendimenti finanziari

Esercizi: i rendimenti finanziari Esercizi: i rendimenti finanziari Operazioni algebriche elementari Distribuzione e dipendenza Teoria di probabilità Selezione portafoglio p. 1/25 Esercizio I Nella tabella sottostante relativa all indice

Dettagli

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città

Dettagli

Statistical learning Strumenti quantitativi per la gestione

Statistical learning Strumenti quantitativi per la gestione Statistical learning Strumenti quantitativi per la gestione Emanuele Taufer Vendite Simbologia Reddito Statistical learning A cosa ci serve f? 1 Previsione 2 Inferenza Previsione Errore riducibile e errore

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

La regressione lineare multipla

La regressione lineare multipla 13 La regressione lineare multipla Introduzione 2 13.1 Il modello di regressione multipla 2 13.2 L analisi dei residui nel modello di regressione multipla 9 13.3 Il test per la verifica della significatività

Dettagli